基于f-x域正则化自回归的非稳态地震数据重建和噪声衰减研究

Seismic data in complex conditions are usually low signal-to-noise ratio and not completed, which directly affects the following results of processing, interpretation and inversion. The conventional seismic data reconstruction and denoising methods generally assume that the seismic data are stationary. Therefore, the conventional methods have limitations in dealing with complex nonstationary seismic data. On the basis of autoregression theory, this project introduces shaping regularization in inversion problems and proposes f-x domain regularized nonstationary autoregression by restricting autoregression coefficient to be smooth along the spatial and frequency axes. This project studies nonstationary seismic data reconstruction and denoising using proposed f-x regularized nonstationary autoregression and extends theses methods to multi-dimensions cases. For randomly missing seismic data, the known data are used to establish nonstationary autoregression equations and missing data can be reconstructed. For regular missing aliasing seismic data, low frequency components without aliasing are used to estimate the coefficients of autoregression and the nonstationary seismic data can be anti-aliasing reconstructed. In order to attenuate seismic noise, this project uses nonstationary autoregression model as the estimation of effective signal. f-x domain autoregression has high calculation efficiency and needs less memory. Therefore, it has more advantages in the processing of massive seismic data. This research can provide theory and methods for complex seismic data reconstruction and noise attenuation, and has important meaning for complex oil and gas reservoir exploration.

受复杂条件限制得到的地震资料通常信噪比低，数据不完整，直接影响后续的处理解释和反演结果。传统的重建和去噪方法一般假设地震数据为稳态信号，因此在处理复杂非稳态地震数据时具有局限性。本项目在自回归理论基础上，引入反问题整形正则化技术，约束自回归系数沿空间和频率方向变化，建立f-x域正则化非稳态自回归理论，研究非稳态地震数据重建和噪声衰减方法，实现高维地震数据重建和去噪。针对随机缺失的非稳态地震数据，利用已知数据建立正则化非稳态自回归方程重建缺失的地震数据；针对规则缺失有假频的地震数据，利用无假频的低频数据估计非稳态自回归方程系数，实现非稳态地震数据抗假频重建；通过建立非稳态自回归模型估计有效信号实现非稳态地震数据噪声的衰减。f-x域自回归计算效率高，占用内存少，对海量地震资料处理具有更大的优势。本研究可以为复杂区地震数据重建和噪声衰减提供必要的理论与方法，对提高复杂油气藏勘探水平具有重要意义。

针对复杂区地震资料信噪比低和数据不完整的特点，本项目开展了地震数据重建和噪声压制的研究。传统的地震数据重建和噪声压制方法一般假设地震数据为稳态信号，因此在处理复杂非稳态地震数据时具有局限性。本项目提出的频率域非稳态自回归滤波的方法，通过利用反问题正则化理论，结合自适应预测滤波很好的解决了非稳态地震数据的重建和去噪问题。本项目从频率域正则化自回归系数估计、非稳态地震数据重建和噪声衰减新方法及其高维扩展等方面开展了研究，实现了相关算法，编制了程序模块，对比了本项目研究方法与其它方法的优缺点，明确了算法的有效适用范围。针对随机缺失的非稳态地震数据，利用已知地震道建立正则化非稳态自回归方程，预测和重建缺失的地震数据；针对规则缺失有假频的地震数据，利用无假频的低频数据估计非稳态自回归方程系数，实现了非稳态地震数据的抗假频重建。项目研究过程中，充分与实际结合，完成了二维三维实际地震数据的重建，通过实际应用也验证了本项目研究方法的有效性。通过本项目的研究，形成了非稳态复杂地震数据重建和噪声衰减的理论与方法， 相关研究成果对提高复杂区地震成像质量具有重要的实际应用价值。项目组成员发表（含录用）期刊论文9篇，其中在SCI检索刊物上发表6篇，申请(授权)国家发明专利2项，培养研究生7人（其中4人毕业）。项目按照研究计划，完成了项目的研究内容，获得了预期的研究成果，达到了预期的研究目标。